Kết hợp dữ liệu chuỗi thời gian với Machine Learning

Machine Learning cho Dữ liệu Chuỗi thời gian bằng Python

Chris Holdgraf

Fellow, Berkeley Institute for Data Science

Làm quen với dữ liệu

Các bộ dữ liệu dùng trong khóa học này đều miễn phí và có sẵn online
Có nhiều bộ dữ liệu để tải trên web; bộ bạn dùng ở đây đến từ Kaggle

Dữ liệu âm học nhịp tim

Nhiều bản ghi âm tiếng tim từ các bệnh nhân khác nhau
Một số tim hoạt động bình thường, số khác có bất thường
Dữ liệu là tệp âm thanh + nhãn cho mỗi tệp
Liệu ta có tìm được nhịp tim "bất thường"?

Nạp dữ liệu âm thanh

from glob import glob
files = glob('data/heartbeat-sounds/files/*.wav')

print(files)

['data/heartbeat-sounds/proc/files/murmur__201101051104.wav',
 ...
 'data/heartbeat-sounds/proc/files/murmur__201101051114.wav']

Đọc dữ liệu âm thanh

import librosa as lr
# `load` accepts a path to an audio file
audio, sfreq = lr.load('data/heartbeat-sounds/proc/files/murmur__201101051104.wav')

print(sfreq)

Trong trường hợp này, tần số lấy mẫu là 2205, tức có 2205 mẫu mỗi giây

Suy ra thời gian từ mẫu

Nếu biết tốc độ lấy mẫu của chuỗi thời gian, bạn có thể suy ra mốc thời gian của từng điểm dữ liệu so với điểm đầu tiên
Lưu ý: giả định tốc độ lấy mẫu cố định và không mất điểm dữ liệu

Tạo mảng thời gian (I)

Tạo một mảng chỉ số, mỗi mẫu một chỉ số, rồi chia cho tần số lấy mẫu
```
  indices = np.arange(0, len(audio))
  time = indices / sfreq
```

Tạo mảng thời gian (II)

Tìm mốc thời gian của điểm dữ liệu thứ N-1. Sau đó dùng linspace() để nội suy từ 0 đến thời điểm đó
```
  final_time = (len(audio) - 1) / sfreq
  time = np.linspace(0, final_time, sfreq)
```

Bộ dữ liệu Sàn giao dịch chứng khoán New York

Bộ dữ liệu này gồm giá cổ phiếu của các công ty trong 10 năm
Ta có thể phát hiện mẫu hình trong lịch sử để dự đoán giá trị công ty trong tương lai không?

Khám phá dữ liệu

data = pd.read_csv('path/to/data.csv')

data.columns

Index(['date', 'symbol', 'close', 'volume'], dtype='object')

data.head()

         date symbol       close       volume
0  2010-01-04   AAPL  214.009998  123432400.0
1  2010-01-04    ABT   54.459951   10829000.0
2  2010-01-04    AIG   29.889999    7750900.0
3  2010-01-04   AMAT   14.300000   18615100.0
4  2010-01-04   ARNC   16.650013   11512100.0

Chuỗi thời gian với Pandas DataFrame

Bạn có thể kiểm tra kiểu đối tượng của từng cột bằng thuộc tính dtypes

df['date'].dtypes

0    object
1    object
2    object
dtype: object

Chuyển một cột thành chuỗi thời gian

Để đảm bảo một cột trong DataFrame được xử lý như chuỗi thời gian, dùng hàm to_datetime()

df['date'] = pd.to_datetime(df['date'])

df['date']

0   2017-01-01
1   2017-01-02
2   2017-01-03
Name: date, dtype: datetime64[ns]

Cùng luyện tập nào!

Machine Learning cho Dữ liệu Chuỗi thời gian bằng Python